使用预测模型时对新西兰儿童福利和少数种族可能存在的偏见结果：关于缓解方法的初步回顾
摘要：鉴于临床判断和预测风险模型的结合越来越多地帮助社工区分处于虐待风险中的儿童，并为相关当局提供潜在干预建议。全球各国政府和研究界日益关注的一个关键问题是，由于建模技术不佳而导致的误解往往会对具有特定特征（如种族、社会经济地位）的人产生有偏见的结果。在新西兰的照顾和保护系统中，M=aori人的过度代表可能会因预测风险模型而不经意地加剧，从而在决策政策中导致可能的有偏见循环，使M=aori人处于弱势或受到歧视。确保这些模型能够尽可能准确地识别风险，并且不会无意中增加M=aori人的过度代表，成为一个关键问题。在本文中，我们通过在新西兰的照顾和保护系统中应用预测风险模型来解决这个问题。我们研究可能影响这些统计模型准确性和公平性的潜在因素，以及可能的改进方法。
作者：Sahar Barmomanesh and Victor Miranda-Soberanis
论文ID：2308.00243
分类：Applications
分类简称：stat.AP
提交时间：2023-08-02